论文部分内容阅读
随着我国证券市场的飞速发展,我国的上市公司数量也迅速增加,资产规模逐渐增加,资本结构得到不断优化,经营运作不断规范,吸引了越来越多的投资者,上市公司已经成为我国一个新的极具潜力的投资市场。然而,在激烈的市场竞争中,由于各种各样的原因,一些上市公司由经营业绩逐年下降,甚至出现连续亏损,财务状况恶化,最终受到特别处理,更甚者面临退市的风险,使得投资人和债券人蒙受巨大的经济损失。从1998年,我国在沪深两市开始使用上市公司特别处理制度,主要目的就是为了保护投资者和债权人的资金安全。在我国所有行业的上市公司中,信息技术类上市公司中被ST的企业数目占总企业数目的18.27%,列第二名。通过对这些企业的研究,期望对探索预测上市公司被ST的方法有所帮助。本研究首先在国内相关研究为基础,将信息技术类上市公司中的ST公司界定为发生财务困境的公司。以我国沪深两市信息技术类上市公司为研究对象,从中选取以沪深两市A股信息技术类上市公司为研究对象,将特别处理(ST)作为企业陷入财务困境的标志,从中选取了2004-2009年间19家ST公司作为财务困境公司样本,搜集企业被ST前四年和被ST当年的财务数据,采用财务指标相关性处理方法确定财务预警研究指标体系,然后logistics回归分析方法,建立信息技术类上市公司财务危机预警模型,最后对模型进行计量检验,确定最优模型,分析财务预警指标对企业财务危机的影响。本研究结合企业财务危机预警相关理论,以二元逻辑回归为基本方法,对我国信息技术类上市公司进行财务危机预警实证研究,主要结论如下:第一,信息技术类上市公司财务危机是可以预测的。本文的实证结论表明,基于ST前3年财务数据构建的模型能够以86.1%的精确度预测该公司两年后被ST的可能性,而基于ST前2年财务数据构件的模型能够以88.9%的精确度预测该公司被ST的可能性。第二,财务预警指标对企业财务预警的预测能力不同。基于对财务危机预警指标随时间变化的趋势分析,本研究发现资产收益率、净资产收益率、净利润、每股收益、主营业务收入、主营业务利润、现金流动负债比和现金债务总额比8各财务指标在我国信息技术类上市公司中具有较强的财务危机预测能力,其中资产收益率、现金流动负债比和现金债务总额比3各财务指标从ST前2年具备预测能力,其它指标从ST前3年具备预测能力。第三,不同年份预测企业财务危机时,财务预警指标的显著性不同。信息技术类上市公司ST前3年最优的logistic回归模型表明在70%的置信度下,净资产收益率、净利润、现金债务总额比、总资产和每股净资产对因变量有显著影响;而ST前2年最优的logistic回归模型表明在80%的置信度下自变量净利润、每股收益和现金债务总额比对因变量有显著影响,在95%的置信度下总资产和流动资产对因变量有显著影响。第四,ST前一年的财务数据具备财务危机预测能力,但缺乏独立的解释能力。实证结论表明,基于ST前一年财务数据构建的logistics模型能够以97.4%的精确度预测企业是否被ST,但是模型中的变量不能独立的解释对因变量的影响。本研究可能在以下两方面有所创新:一是将企业财务危机预警的一般理论与方法引入到信息技术类上市公司财务困境预警的研究中来,在此之前虽然有学者对我国不同行业的上市公司财务危机预警进行过卓越的研究,但尚未出现针对信息技术类上市公司的实证研究成果,本研究以信息技术类上市公司为研究对象,期望能在一定程度上完善我国财务危机预警研究体系。二是本研究采用变量描述统计、变量配对T检验和变量相关分析法相结合的方法确定自变量,不同于传统的经验确定变量或者因子分析法确定自变量方法。